AutoViML 教程

自动化机器学习(AutoML)可以帮助机器学习管道中的某些关键组件实现自动化。其中机器学习管道包括数据理解、数据工程、特征工程、模型训练、超参数调整、模型监控等。

这篇文章主要介绍 Auto-ViML 的使用。

GitHub - AutoViML/Auto_ViML: Automatically Build Multiple ML Models with a Single Line of Code. Created by Ram Seshadri. Collaborators Welcome. Permission Granted upon Request.

目录

1. 安装

2. 参数调整​​​​​​​

---

1. 安装

Prerequsites:

• Anaconda

pip install autoviml

2. 参数调整

2.1 调用

from autoviml.Auto_ViML import Auto_ViML
model, features, trainm, testm = Auto_ViML(
    train,
    target,
    test,
    sample_submission,
    hyper_param="GS",
    feature_reduction=True,
    scoring_parameter="weighted-f1",
    KMeans_Featurizer=False,
    Boosting_Flag=False,
    Binning_Flag=False,
    Add_Poly=False,
    Stacking_Flag=False,
    Imbalanced_Flag=False,
    verbose=0,
)

2.2 参数解释：

train: 训练集

target: 目标

test: 测试集

sample_submission: 附件，一般设为空. ‘ ’

hyper_param: 超参,使用哪种调参方式

feature_reduction: False or Ture 是否筛选 feature，是否减少 feature

scoring_parameter: 使用哪种判定方式

KMeans_Featurizer: False or Ture 是否类聚

Boosting_Flag：False or Ture

Binning_Flag:False or Ture

Add_Poly:False or Ture 是否自行添加(分类)特征

Stacking_Flag:False or Ture

Imbalanced_Flag: False or Ture 是否是平衡的

verbose: 0,1 是否显示